Dénonciation infirmière et plateformes électroniques: Une analyse de contenu du Formulaire de soins sécuritaires de la Fédération interprofessionnelle de la santé du Québec
Bibliographic record
Abstract
Cette étude visait à analyser les dénonciations soumises par des membres du personnel infirmier via une plateforme développée par un syndicat en santé du Québec. Une analyse de contenu de 1118 formulaires nous a permis de saisir la nature des situations dénoncées, d’identifier des stratégies additionnelles de divulgations infirmières et de documenter les réponses administratives. Les dénonciations, issues majoritairement d’infirmiers(ères) autorisés(es) en milieux de soins hospitaliers et de soins de longue durée, concernaient principalement la lourdeur et l’instabilité des conditions de pratique. Le recours au formulaire s’inscrivait dans une démarche de dénonciation plus large motivée par la présence de risques pour les patients et le personnel ainsi qu’une détresse morale. Le recours au temps supplémentaire était la principale réponse administrative aux situations dénoncées. Notre étude suggère que la plateforme répondait partiellement aux besoins des infirmiers(ères) et présentait certaines limites liées à sa conception et à la nature des informations recueillies. Elle souligne également l’importance d’améliorer les canaux de dénonciation interne, indispensables à la résolution de situations problématiques et au maintien de soins sécuritaires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".